Avatar vidéo, en direct ou conversationnel : choisir l’expérience

Choisir comment répond le personnage

Séparez quatre couches : ce que le personnage peut dire, qui décide de la réponse, comment il est animé et où il apparaît. Une figure sur un écran reste une image bidimensionnelle ; écran transparent et projection nécessitent une évaluation optique distincte. Ils n’impliquent ni capture volumétrique ni hologramme.

Un interprète peut commander des animations ou utiliser un suivi des mouvements ; les captures faciale et corporelle sont des choix supplémentaires. Dans Unreal, Live Link reçoit des données d’animation : il ne transporte pas à lui seul l’image finale jusqu’à l’écran. La voix a également besoin de son trajet et de son réglage temporel.

Si le personnel ou la connexion ne permettent pas de gérer les imprévus, commencez par des messages approuvés et une exploitation accompagnée. Un agent exige des règles d’interruption, une réponse en cas d’inconnu et un relais humain. Aucun mode ne garantit un délai nul. Matériel, licences, contenu et responsabilités sont à confirmer pour le projet.

Vidéo préenregistrée : accueillir, orienter et revenir à l’attente

1. Attente
2. Choix du message
3. Clip approuvé
4. Conclusion et retour

Un personnage enregistré peut accueillir, expliquer un parcours et proposer des choix à travers des clips approuvés. Une sélection de langue ou de sujet déclenche la séquence correspondante. L’interaction choisit un contenu disponible : le personnage n’écoute pas et n’improvise pas de réponse.

• Préparer une liste de clips par message et langue, avec nom stable, version approuvée, durée réelle, cadrage et destination. La fin doit permettre un retour à l’attente sans rupture narrative confuse.
• Livrer voix et texte relus, sous-titres et alternative visible pour les informations dépendant du son. Confirmer les droits du personnage, de l’interprétation, de la voix et de la musique.
• Définir si une nouvelle action est ignorée, mise en file ou interrompt le clip. Éviter les changements répétés de langue qui mélangent les messages.
• Prévoir un déclenchement manuel pour l’hôte et une séquence d’attente locale. Une détection défaillante ne doit pas rendre l’accueil inutilisable.

Parcours proposé : attente → sélection → lecture → conclusion → attente. Si la personne part avant la fin, décider de terminer le message ou de revenir avec une transition. L’opérateur dispose d’une commande de retour connue. Préparez ces états dans le logiciel retenu et vérifiez la lecture avec son guide spécifique.

Répétition proposée : revoir toutes les langues depuis le point d’écoute et de lecture, vérifier que le message commence au bon moment et répéter des entrées pendant la lecture. Tester le fichier dans la chaîne finale : une extension ne confirme pas résolution, audio, couleur ou transparence compatibles. Conserver la vidéo approuvée comme secours local.

Personnage en direct : séparer interprétation et technique

1. Interprète : voix + commande
2. Animation / rig
3. Moteur → image
4. Public → retour interprète

Un interprète peut parler à travers le personnage et adapter son ton à la situation. Le public doit comprendre qu’il échange avec une représentation animée. La production doit attribuer la responsabilité du personnage et celle de la continuité technique ; l’équipe précise dépend du périmètre.

• Voix : microphone de l’interprète, traitement convenu et destination d’écoute. Tester l’intelligibilité avec l’animation labiale, sans retour de voix doublé.
• Animation : déclenchements manuels, capture faciale ou corporelle selon le besoin. Identifier application, plugins, version, rig et trajet vers le rendu.
• Retour : l’interprète doit entendre le participant et voir ce qui lui permet de répondre. Définir la caméra du public et l’éventuel contrôle séparé du personnage.
• Conduite : hôte, langues, sujets autorisés, tours, pauses et signal de relais vers une personne ou un contenu enregistré.

Chaîne proposée : voix et commandes de l’interprète alimentent des trajets audio et animation distincts ; le moteur produit l’image puis l’envoie à la surface. Le retour du public rejoint l’interprète. Séparer ces trajets évite de confondre caméra de référence et données d’animation.

Répétition proposée : une phrase courte, une interruption et une réponse longue. Observer lèvres, son et mouvement à la destination finale, pas seulement sur le moniteur de travail. Si le suivi des mouvements est perdu, passer à une pose d’attente ou une animation approuvée et prévenir l’interprète ; si la voix tombe, confier l’échange à l’hôte. Ne pas laisser un visage figé dans une expression inadaptée.

Capture faciale et Live Link : distinguer données et image

Dans Live Link, une source fournit des flux appelés subjects ; les rôles décrivent le type de données. Ce sont des données d’animation, pas l’image finale d’une caméra. La réception doit être liée au personnage puis rendue.

Pour évaluer Live Link Face, identifier téléphone/tablette exact, système, version de l’app, version Unreal/MetaHuman et mode de travail. Epic demande que l’app reste active au premier plan. La page consultée limite le suivi facial en temps réel sous Android aux Snapdragon 8 Gen 1 ou ultérieurs ; cela ne confirme pas toutes les combinaisons appareil/build.

• Données d’animation à coordonner : nom du subject attendu, rôle, rig cible et responsable de l’adaptation. Conserver une référence de visage neutre et les expressions souhaitées.
• Trajet voix : entrée, écoute de l’interprète et diffusion au public. Relever séparément délai du visage et délai de la voix.
• État : montrer réception récente et validité en plus de la connexion. Si les données cessent, définir pose d’attente et reprise avant le retour au public.
• Répétition proposée : visage frontal, rotation prévue, ouverture de bouche, changement d’expression et perte/reprise simulée. Vérifier le personnage final, pas seulement la présence d’un subject.

L’essai nécessite un interprète autorisé et des conditions définies. Une démonstration avec des données simulées permet de vérifier les états et l’adaptation visuelle. Pour vérifier la compatibilité et la qualité de l’animation faciale, utilisez l’appareil et le personnage prévus. La capture vidéo et la sortie vers l’écran se configurent comme des étapes distinctes.

Corps entier : zone de jeu et retargeting

Séparez capture corporelle, adaptation au personnage et rendu final. Epic documente le retargeting entre squelettes avec les IK Rigs ; cette adaptation ne prouve pas la justesse d’une mesure de mouvement. Le choix du capteur ou de la combinaison est une décision supplémentaire.

• Zone : dessiner volume de jeu, limites, position des capteurs et objets masquant mains, pieds ou torse. Relever lumière et vêtements prévus.
• Capture : demander fabricant, modèle, firmware, logiciel/SDK, système et méthode. Ne pas appliquer les conditions d’une caméra optique à un système inertiel.
• Personnage : confirmer rig, échelle, orientation, pose neutre et contact apparent des mains/pieds. Un geste humain peut nécessiter une adaptation à des proportions différentes.
• Exploitation : prévoir entrée d’un second corps, changement d’interprète et perte partielle d’articulations. Un saut d’identifiant ne vaut pas continuité du même participant.

Répétition proposée : marcher dans la zone, tourner selon le scénario, croiser les bras, s’accroupir si nécessaire et sortir du volume. Observer pieds glissants, sauts de pose, membres mal orientés et réapparition après occultation. Convenez de critères pour ces mouvements et ce lieu, sans les déduire d’une précision commerciale isolée.

Si le suivi des mouvements ne permet pas l’interaction souhaitée, réduisez l’amplitude, déclenchez des animations préparées ou utilisez un personnage à mi-corps. Prévoyez une pose de repos et une transition approuvées pour éviter les déformations visibles. Planifiez l’essai physique et confirmez la disponibilité du matériel pour le projet.

Agent conversationnel : contenu limité et relais humain

1. Entrée autorisée
2. Interprétation + sources
3. Réponse / voix / figure
4. Opérateur ou hôte

Une conversation générée ajoute interprétation, réponse et présentation. Un service d’avatar n’est pas à lui seul un agent connaissant l’événement. Microsoft documente synthèse vidéo/voix et options conversationnelles dans son offre ; service, région, langues et conditions nécessitent une évaluation spécifique.

• Contenu approuvé : préparer questions, réponses de référence, sources autorisées, version et responsable des mises à jour. Définir les sujets à transmettre à une personne.
• Participation : choisir texte, bouton de prise de parole ou microphone. Montrer écoute, traitement et réponse ; proposer une alternative sans voix.
• Limites : réponses brèves, traitement de l’inconnu, interruption et coupure opérateur. Une consigne de style ne garantit pas l’exactitude de chaque réponse.
• Relais : un hôte visible reçoit demandes hors périmètre, erreurs, langues indisponibles et besoins d’assistance. Prévoyez du personnel pour ce relais lorsque le mode choisi le nécessite.

Essai proposé avec textes fictifs : question couverte, donnée absente, ambiguïté, interruption et panne de service. Comparer les réponses aux sources approuvées et vérifier que l’opérateur coupe voix et image de réponse puis revient à l’attente. Revoir prononciation et délais par langue ; activer la traduction ne suffit pas à établir l’équivalence.

Pour le devis, identifier intégration, services facturés à l’usage, simultanéité, assistance et secours local. Confirmer licences et traitement des données avant engagement ; éviter de conserver les voix du public sans nécessité. Employer personnages fictifs ou ressources autorisées et signaler leur nature synthétique.